연구 배경

• E-9(비전문취업) 비자

  • 국내 외국인 체류자격 중 가장 높은 비중 차지 (약 33만 명)

  • i.e. “고용허가제”: 비숙련, 저임금 노동자의 수급이 어려운 중소 사업장을 대상으로 함

  • 세부자격: 제조업(E9-1), 건설업(E9-2), 농업(E9-3), …

• 인구 감소 및 고령화 위기 → 단순 노동 분야 외국인력 수급의 중요성 ↑

  • 공간적 문제: 인구구조 변동에 따른 지역 격차의 다층성

    • 비수도권과 수도권 간 인력난 격차

    • 지역특화형 비자 등 지역별 정책 시행 기조

연구 배경

• 문제 상황:

  • 지자체별 특성에 맞는 등록외국인 관리 전략 마련 필요

  • 시군구 단위의 실증적 데이터와 분석이 부족

분석 기간 및 대상

• 기간: 2013년 1분기 ~ 2025년 2분기 (총 13개년, 50개 분기)

주요 공변량 목록

주요 공변량 목록

시공간 베이지안 계층 모형 (Spatio-Temporal Bayesian Hierarchical Model)

• (Data Level) 종속변수 \(y_{i,t}\) (E9 등록인원)가 포아송 분포를 따른다고 가정:

\[ y_{i,t} \mid \lambda_{i,t} \sim \text{Poisson}(E_{i,t}\lambda_{i,t}) \]

• (Process Level) 로그 선형 모형:

\[ \log \lambda_{i,t} = \alpha + x_{i,t}'\beta + u_{i,t} + \eta_t \]

• (Hyperparameter Level) Latent Spatio-Temporal Field

\[ \begin{align} u_{i,t} = \rho_u u_{i, t-1} + \epsilon_{i, t} \\ \epsilon_{i,t} \sim \text{BYM2}(W, \tau_u, \phi), \\ \eta_t \sim \text{AR(1)}(\rho_\eta, \tau_\eta) \end{align} \]

• Priors: \(\tau_n, \phi, \tau_\eta, \rho_u, \rho_\eta\)

• 사후분포:

\[ \pi(\mathbf{x}, {\theta} \mid \mathbf{y}) \propto \underbrace{\pi(\mathbf{y} \mid \mathbf{x}, {\theta})}_{\text{Likelihood}} \times \underbrace{\pi(\mathbf{x} \mid {\theta})}_{\text{Latent Field}} \times \underbrace{\pi({\theta})}_{\text{Hyperpriors}} \]

시공간 베이지안 계층 모형 (Spatio-Temporal Bayesian Hierarchical Model)

• 해석 방법:

  • \(E_{i, t}\)(offset) 설정에 따른 \(\lambda_{i,t}\)(rate)해석의 차이: \(E(y_{i,t} ) = E_{i,t} \times \lambda_{i,t}\)

    • 인구 수: “지역 내 E-9 외국인 근로자가 얼마나 많은가?”

    • ✅ 전체 종사자 수: “지역 노동력 중 E-9 외국인 근로자가 차지하는 비중은 얼마인가?”

  • \(\beta\)의 해석: 승법적 효과 (Multiplicative Effect)

    • 로그 연결 함수를 이용

    • 변수 \(x\)가 1단위 증가할 때, 유입률(Rate)는 \(\exp(\beta)\)배 증가

시공간 베이지안 계층 모형 (Spatio-Temporal Bayesian Hierarchical Model)

무엇이 “시공간적”인가?

\[ \log \lambda_{i,t} = \alpha + x_{i,t}'\beta + u_{i,t} + \eta_t \]

WAIC 기반 분기별 모형 비교

시공간 상호작용을 고려한 모형의 설명력이 가장 우수함.

해석

• 단순히 시계열 구조만 넣은 모형 (1), 공변량만 추가한 모형 (3)에 비해
• 지역 간 인접성(BYM2)과 시간적 흐름(AR1)을 함께 반영한 시공간 랜덤효과 모형 (5)이 E-9 외국인 분포에 대한 설명력이 뛰어남.
• 공변량을 추가한 모형 (6)의 설명력이 크게 개선되지는 않음. (오히려 복잡도 증가로 WAIC 증가)

유입 요인 (Pull Factors)

• 제조업 비중 (ind_ratio_manufacturing_z)
  • \(\beta = 0.721\)
  • 제조업 비중이 1 표준편차(SD) 증가할 때, 외국인력 유입은 약 2.06배 증가
    (\(\exp(0.721) \approx 2.056\))
  • 해석: 지역 내 제조업 기반이 E-9 인력 수요의 절대적인 결정 요인
• 산업단지 유무 (indpark_dummy)
  • \(\beta = 0.814\)
  • 산업단지가 있는 지역은 없는 지역 대비 약 2.26배 더 많은 외국인력이 유입됨
    (\(\exp(0.814) \approx 2.257\))
  • 단순 면적(area_mgmt)은 크게 상관이 없었음

억제 및 대체 요인 (Push & Substitution)

E9-1(제조업) 등록인원 발생률

• pop_65plus (\(\beta \approx -0.28\)): 고령화가 심한 지역일수록 제조업 기반이 약화되어 외국인력 수요가 낮게 나타남
• trade_balance (\(\beta \approx -0.05\)): 무역수지가 악화될수록(적자) 비전문 외국인력 의존도가 높아지는 경향

E9-3(농업) 등록인원 발생률

• dummy_gu (\(\beta \approx -6.3\)): 대도시 자치구 지역은 E9-3 수요가 사실상 0에 수렴

• indpark (\(\beta \approx 2.1\)): 순수 경작지보다 농공단지가 결합된 지역에서 인력 수요 급증